Tiene un conjunto de datos de 1.000.000 de imágenes etiquetadas de 200x200 que indican si un coche está presente o no. ¿Qué arquitectura de red neuronal y elección de capa de salida es la más probable para producir la mayor precisión en la detección de la presencia de un coche en una imagen?

La opción correcta es una CNN profunda con una capa de salida softmax. Las Redes Neuronales Convolucionales (CNN) son ideales para tareas de visión artificial como la clasificación de imágenes, ya que pueden aprender jerarquías de características espaciales directamente de los datos de píxeles. Un Perceptrón Multicapa (MLP) no es tan eficiente para imágenes grandes porque trata los píxeles como entradas independientes, perdiendo la información espacial crucial. La capa de salida softmax es apropiada para problemas de clasificación binaria (coche presente/ausente) o multiclase, ya que produce probabilidades que suman 1, lo que facilita la interpretación. Una capa de salida lineal es más adecuada para problemas de regresión, donde se predice un valor continuo, no una probabilidad de clase.